Memilih ambang kapasitas yang tepat untuk host pool pooled
Mitra · Mitra netral: Nerdio
By Mirko Peters ·
Tentukan ambang kapasitas host pool pooled Azure Virtual Desktop dengan menghitung berapa sesi yang harus tetap muat di antara titik pemicu dan batas sesi maksimum selama host berikutnya dimulai. Sebagai panduan umum, gunakan nilai yang lebih rendah saat ramp-up dan yang lebih tinggi saat ramp-down, lalu periksa dengan Insights.
Automatically translated with AI from the original post. Read the English original
Pilih ambang kapasitas dengan menghitung berapa sesi yang masih harus muat di antara titik pemicu dan batas sesi maksimum selama host berikutnya dimulai. Ambang yang lebih tinggi menggunakan lebih sedikit host tetapi menyisakan buffer yang lebih kecil untuk proses masuk, sehingga sebagai panduan umum (inferensi kami) gunakan nilai yang lebih rendah saat ramp-up dan yang lebih tinggi saat ramp-down, lalu sesuaikan dengan pengukuran. Microsoft Learn tidak menyebutkan satu angka pun, dan portal mengisi otomatis nilai yang oleh Learn disebut sebagai nilai hari kerja yang disarankan, maka panduan ini memberikan metode untuk memeriksanya dan menandai pernyataan mana yang merupakan inferensi.
Poin Penting
- Learn memberikan contoh ambang (30 hingga 90 persen) tetapi tidak memberikan nilai yang direkomendasikan. Angka yang tepat bergantung pada batas sesi, pola masuk, dan durasi start-up host Anda.
- Atur batas sesi maksimum kustom terlebih dahulu. Ambang merupakan persentase dari batas dikali jumlah host, dan nilai default 999999 pada pool breadth-first yang baru membuatnya tidak bermakna.
- Buffer antara titik pemicu dan batas sesi harus menampung proses masuk selama host berikutnya dimulai. Durasi start-up bervariasi antarlingkungan, jadi ukurlah.
- Sebagai panduan umum, yang merupakan inferensi kami dan bukan pernyataan Learn, gunakan ambang yang lebih rendah pada ramp-up, yang berlaku hingga jam sibuk, dan ambang yang lebih tinggi pada ramp-down, yang berlaku hingga di luar jam sibuk.
- Setiap perubahan 15 poin ambang dapat mengubah jumlah host pada beban stabil. Menurut perhitungan kami, 200 sesi dengan batas 32 memerlukan minimal 11, 9, dan 7 host pada ambang 60, 75, dan 90 persen.
Cara kerja ambang dijelaskan dalam "Ambang kapasitas di autoscale AVD: cara persentase menentukan kapan host lain dimulai". Di sini kami mengasumsikan Anda sudah tahu bahwa autoscale memulai host saat kapasitas yang digunakan melewati ambang kapasitas, dan bahwa pada ramp-down serta di luar jam sibuk ia melakukan konsolidasi dengan rumus sesi dibagi (batas dikali ambang), dibulatkan ke atas.
Langkah 1: Tetapkan batas sesi maksimum
Ambang merupakan persentase dari kapasitas, dan kapasitas adalah batas sesi maksimum dikali host yang tersedia. Learn menyarankan untuk mengatur batas kustom untuk pool pooled dengan autoscale dan tidak mempertahankan nilai default. Untuk pool breadth-first yang dibuat dengan default, halaman penyeimbangan beban menyatakan bahwa batasnya adalah 999999. Dengan nilai itu, kapasitas menjadi sangat besar, penggunaan tetap mendekati 0 persen, dan secara aritmetika tidak ada ambang yang akan pernah memicu host baru.
Tentukan batas dari beban kerja Anda. Tabel sizing Learn memberikan jumlah maksimum pengguna per vCPU: 6 untuk beban ringan, 4 untuk sedang, 2 untuk berat, dan 1 untuk beban power, sebagai titik awal umum yang perlu disempurnakan dengan data Anda sendiri. Untuk host dengan 8 vCPU, itu berarti hingga 48 sesi (ringan), 32 (sedang), dan 16 (berat). Learn juga menyarankan agar VM multi-sesi memiliki antara 6 dan 24 vCPU, meskipun halaman yang sama kemudian merekomendasikan 4 hingga 24 core. Uji dengan kelompok pilot sebelum menetapkan nilainya, karena batas dan ambang batas sama-sama bergantung padanya.
Langkah 2: Ubah persentase menjadi sesi
Ambang batas hanya berpengaruh melalui jumlah sesi yang diimplikasikannya. Ambil 6 host yang berjalan dengan batas 32 (beban sedang pada 8 vCPU). Kapasitasnya adalah 192 sesi.
| Ambang batas | Titik pemicu (host mulai saat sesi melebihi nilai ini) | Penyangga terhadap batas |
|---|---|---|
| 60 persen | 115.2 | 76.8 |
| 75 persen | 144 | 48 |
| 90 persen | 172.8 | 19.2 |
Titik pemicu adalah kapasitas dikali ambang batas, dan penyangga adalah kapasitas dikurangi angka tersebut. Pada tepat ambang batas, tidak terjadi apa-apa, sehingga dengan ambang batas 75 persen, sesi ke-145 adalah yang pertama memulai host lain. Penyangga inilah yang menyerap sign-in baru antara saat autoscale memutuskan memulai host dan saat host tersebut menerima sesi.
Waktu start-up bergantung pada image, ukuran VM, dan region Anda, dan FAQ menyebutkan bahwa evaluasi dipicu oleh peristiwa sign-in dan sign-out serta dikelompokkan bila banyak peristiwa datang bersamaan. Oleh karena itu, pemeriksaan ini perlu Anda jalankan sendiri:
- Ukur waktu start dari host yang di-deallocate di lingkungan Anda, dari permintaan start hingga sesi pertama yang diterima.
- Ukur laju sign-in Anda pada menit-menit ramp-up paling sibuk. Learn mendokumentasikan tabel
WVDConnectionssebagai aktivitas koneksi, dengan kolomTimeGenerated,State,UserName, danCorrelationId. Salah satu pendekatan, yang berasal dari kami dan bukan prosedur Learn, adalah menghitung nilaiCorrelationIdyang berbeda per menit selama ramp-up, setelah memeriksa nilaiStateapa saja yang dicatat workspace Anda. - Kalikan keduanya. Hasilnya adalah jumlah sesi yang datang selama host sedang dimulai. Ini merupakan inferensi, bukan rumus dari Learn.
- Bandingkan dengan penyangga. Jika penyangga lebih kecil, turunkan ambang batas atau naikkan persentase minimum host saat ramp-up agar host sudah berjalan.
Sebagai contoh, dengan laju sign-in rekaan 30 per menit dan waktu start rekaan 5 menit, 150 sesi datang selama masa tunggu. Tidak ada baris dalam tabel yang mencakup kondisi itu, dan bahkan ambang batas 30 persen hanya menyisakan penyangga 134 sesi pada pool 6 host di atas, sehingga ambang batas bukan alat yang tepat untuk lonjakan tersebut: mulailah host lebih awal dengan persentase minimum host dan ramp-up yang lebih awal. Ambang batas kemudian menangani pertumbuhan yang lebih lambat setelahnya.
Langkah 3: Gunakan nilai berbeda per fase
Anda memasukkan ambang batas di kolom Capacity threshold pada tab Ramp up dan Ramp-down sebuah jadwal. Peak menggunakan nilai ramp-up dan off-peak menggunakan nilai ramp-down; tidak ada tab yang memungkinkan Anda mengeditnya. Learn menyatakan bahwa nilai default yang ditampilkan saat Anda membuat jadwal adalah nilai yang disarankan untuk hari kerja, tetapi artikel scaling plan tidak mencantumkannya, jadi periksa portal Anda sebelum menyimpan dan uji terhadap Langkah 2. Lihat fase jadwal autoscale.
- Ramp-up dan peak: ambang batas lebih rendah (aturan praktis kami). Sesi datang dengan cepat, dan Learn menyatakan bahwa autoscale pool tidak mematikan host selama ramp-up. Nilai yang lebih rendah memulai host lebih awal dan menyisakan penyangga yang lebih besar. FAQ memberikan breadth-first sebagai contoh untuk fase ini, sehingga sesi tersebar di seluruh host.
- Ramp-down dan off-peak: ambang batas lebih tinggi (aturan praktis kami). Untuk ramp-down, halaman skenario menyatakan bahwa ambang batas tinggi dan persentase minimum host yang rendah mengurangi kebutuhan untuk memulai host baru di akhir jam kerja; off-peak menggunakan nilai ramp-down. FAQ memberikan depth-first sebagai contoh di sini, untuk mengonsolidasikan sesi.
Contoh nilai di Learn menunjukkan rentang, bukan rekomendasi: 30 persen pada skenario ramp-up dan peak dengan enam host dan batas 5, 75 persen pada skenario ramp-down dan off-peak serta pada contoh create-and-assign, 80 persen pada contoh konsolidasi di glosarium (8 pengguna terputus, batas 10), 90 persen pada contoh sesi terputus di FAQ, dan 60 persen pada deskripsi kolom autoscaling dinamis.
Langkah 4: Lihat apa biaya dari pilihan Anda
Untuk konsolidasi, artikel pemecahan masalah di Learn memberikan CEILING(total sesi / (batas x ambang)) untuk ramp-down dan off-peak, membandingkan hasilnya dengan persentase minimum host aktif, lalu memakai nilai yang lebih tinggi. Halaman skenario memberikan pembagian yang sama untuk ramp-down tanpa pembulatan, sedangkan FAQ menjelaskannya dengan sesi terputus dan membulatkan 6 / 4,5 = 1,33 ke atas menjadi 2 host. Menerapkannya pada kondisi peak adalah inferensi kami: hasilnya adalah jumlah host minimum yang menjaga penggunaan tetap pada atau di bawah ambang, dan jumlah sebenarnya bisa lebih tinggi, karena autoscale tidak mematikan host pada ramp-up dan persentase minimum host menetapkan batas bawah. Untuk 200 sesi dengan batas 32, jumlah minimumnya adalah:
| Ambang | Perhitungan | Minimal |
|---|---|---|
| 60 persen | 200 / 19.2 = 10.4 | 11 |
| 75 persen | 200 / 24 = 8.33 | 9 |
| 90 persen | 200 / 28.8 = 6.94 | 7 |
Selisih jumlah host minimum yang dihitung antara ambang 90 dan 60 persen adalah empat host (7 berbanding 11). Jika selisih sebenarnya memang empat host untuk peak delapan jam pada 22 hari kerja, itu berarti 4 x 8 x 22 = 704 jam-host per bulan, yang perlu dikalikan dengan tarif Anda sendiri. Persentase minimum host yang lebih tinggi dapat memperkecil selisih sebenarnya. Model biaya dijelaskan dalam "What Azure Virtual Desktop really costs: the full cost model".
Contoh kasus
Sebuah contoh pool fiktif: 12 host, batas 32, dan peak 200 sesi bersamaan. Pada ramp-up dan peak, ambang 60 persen memerlukan minimal 11 host pada kondisi peak menurut inferensi kami (200 / 19,2 = 10,4, dibulatkan ke atas). Pool memiliki kapasitas untuk itu, dan titik pemicu pada 11 host kira-kira 211 sesi. Pada ramp-down dan off-peak, ambang 80 persen dan 40 sesi yang tersisa memerlukan 40 / 25,6 = 1,56, sehingga 2 host, dan persentase minimum host menetapkan batas bawah di atas itu.
Jika jumlah host pada pool terlalu sedikit untuk peak pada ambang yang dipilih, tidak ada pengaturan ambang yang dapat memperbaikinya: kapasitasnya sendiri, yaitu batas, ukuran VM, atau jumlah host, harus diubah. Ambang hanya menentukan kapan kapasitas ditambahkan, bukan berapa banyak kapasitas yang tersedia.
Langkah 5: Periksa interaksinya
- Sesi terputus ikut dihitung. FAQ dan artikel pemecahan masalah di Learn menyebutkan bahwa autoscale memperlakukan sesi terputus sebagai aktif untuk kapasitas karena pengguna mungkin terhubung kembali, dan rumus di glosarium menghitung sesi aktif ditambah sesi terputus, sehingga sesi terputus yang menggantung akan mendorong penggunaan naik. Kebijakan batas waktu untuk sesi terputus menurunkan kapasitas yang terpakai.
- Host yang dikecualikan. Host dengan tag pengecualian tidak pernah dinyalakan. Jika semua host yang tersisa diberi tag, pelanggaran ambang tidak memulai apa pun, dan Learn memperingatkan bahwa pengguna baru mungkin melihat "No resources available".
- Keluar paksa. Pada ramp-down, ambang yang tinggi berarti lebih banyak konsolidasi, yang berarti lebih banyak pengguna berada pada host yang akan dihapus oleh autoscale (inferensi kami; Learn hanya menyatakan bahwa autoscale memilih host dengan sesi paling sedikit). Dengan keluar paksa diaktifkan, pengguna tersebut akan dikeluarkan setelah waktu tunggu. Jika dinonaktifkan, Anda memilih kondisi henti ramp-down (tidak ada sesi aktif atau terputus, atau tidak ada sesi aktif), dan Learn menyatakan bahwa autoscale hanya mematikan host jika semua sesi dapat dikonsolidasikan ke host yang lebih sedikit tanpa melebihi ambang.
- Persentase minimum. Nilai ini menetapkan batas bawah terlepas dari ambang, sehingga ambang yang tampak terlalu tinggi bisa tersembunyi di balik persentase minimum yang tinggi.
- Manajemen daya atau dinamis. Ambang juga berlaku pada autoscaling dinamis, tempat host dibuat dan dihapus. Microsoft mengumumkan ketersediaan umum (general availability) untuk manajemen host pool yang ditingkatkan, termasuk autoscaling dinamis, konfigurasi dan pembaruan session host, serta disk OS sementara (ephemeral OS disk), pada Juli 2026. Beberapa halaman Learn, misalnya halaman skenario dan glosarium serta modul versi 5.4.2-preview, masih memuat kata-kata pratinjau; periksa halaman terkini sebelum mengandalkan suatu batas.
Langkah 6: Validasi dengan Insights
Insights menampilkan keputusan autoscale untuk pooled host pool, asalkan beberapa syarat berikut sudah terpenuhi. Microsoft Learn mensyaratkan sebuah pooled host pool dengan scaling plan yang sudah ditetapkan (personal pool tidak didukung), serta Insights yang sudah dikonfigurasi untuk host pool dan workspace-nya. Di diagnostic settings host pool, kirim kategori "Autoscale logs for pooled host pools" ke Log Analytics workspace yang sama. Anda memerlukan peran Desktop Virtualization Contributor untuk mengonfigurasi diagnostik, serta Desktop Virtualization Reader dan Log Analytics Reader untuk menjalankan kueri. Tabel WVDAutoscaleEvaluationPooled dari Microsoft Learn mencakup SessionOccupancyPercent, SessionCount, ActiveSessionHostsPercent dan ScalingReasonMessage, serta ConfigCapacityThresholdPercent dan ConfigMinActiveSessionHostsPercent. Menurut Microsoft Learn, kolom Config berisi nilai konfigurasi scaling plan untuk fase jadwal autoscale. Setelah seminggu, jalankan kueri dari Microsoft Learn untuk mendapatkan okupansi sesi tertinggi per hari, per jadwal, dan per fase:
WVDAutoscaleEvaluationPooled
| where ResultType == "Succeeded"
| summarize max(SessionOccupancyPercent), max(SessionCount), max(ActiveSessionHostsPercent), max(ActiveSessionHostCount) by _ResourceId, bin(TimeGenerated, 1d), ConfigScheduleName, ConfigSchedulePhase
| order by _ResourceId asc, TimeGenerated asc, ConfigScheduleName, ConfigSchedulePhase ascBacalah hasilnya dengan cara berikut. Ini adalah heuristik praktis, bukan aturan dari Microsoft Learn. Jika okupansi puncak jauh di bawah threshold pada suatu fase (bandingkan dengan ConfigCapacityThresholdPercent), nilai threshold atau minimum kemungkinan terlalu konservatif. Sebaliknya, jika okupansi secara rutin mencapai threshold dan pengguna mengeluhkan waktu sign-in, buffer kemungkinan terlalu kecil. Ubah satu angka dalam satu waktu. Lihat Azure Virtual Desktop Insights dan scaling plan.
Sumber
- Microsoft Learn: Glosarium penskalaan otomatis untuk Azure Virtual Desktop
- Microsoft Learn: Rencana penskalaan otomatis dan contoh skenario
- Microsoft Learn: Membuat dan menetapkan rencana penskalaan otomatis
- Microsoft Learn: Azure Virtual Desktop autoscale FAQ
- Microsoft Learn: Memecahkan masalah autoscale di Azure Virtual Desktop
- Microsoft Learn: Mengonfigurasi load balancing host pool
- Microsoft Learn: Panduan ukuran mesin virtual host sesi
- Microsoft Learn: Referensi tabel WVDConnections
- Microsoft Tech Community: Manajemen host pool yang ditingkatkan untuk Azure Virtual Desktop kini tersedia secara umum
- Microsoft Learn: Memantau operasi autoscale dengan Insights
FAQ
Ambang kapasitas apa yang direkomendasikan Microsoft?
Teks Learn tidak menyebutkan satu nilai pun. Contohnya menggunakan 30, 60, 75, 80, dan 90 persen dalam skenario yang berbeda, dan halaman skenario menyatakan bahwa ambang tinggi dengan persentase minimum host yang rendah pada ramp-down mengurangi kebutuhan untuk memulai host baru di akhir jam kerja. Secara terpisah, artikel rencana penskalaan menyatakan bahwa nilai default yang muncul saat Anda membuat jadwal adalah nilai yang disarankan untuk hari kerja. Baca apa yang ditampilkan portal Anda dan periksa dengan perhitungan dalam panduan ini; anggap contohnya sebagai ilustrasi.
Mengapa ambang tinggi berisiko menghasilkan pengalaman masuk yang buruk?
Karena host baru hanya diminta setelah penggunaan melewati ambang, dan kapasitas yang tersisa harus menampung proses masuk selama host tersebut dimulai. Ukur durasi start-up di lingkungan Anda. Hasilnya merupakan inferensi dari rumus kapasitas, bukan pernyataan Learn.
Apakah saya perlu menyetel ulang ambang saat menambah host?
Persentasenya tetap sama, tetapi titik pemicu berpindah karena kapasitas adalah batas sesi maksimum dikali jumlah host yang tersedia. Hitung ulang buffer dalam sesi setelah Anda mengubah batas sesi atau ukuran pool.